时间序列分析实例分析上机报告

《时间序列分析》期末上机实践报告

课程名称：时间序列分析

学期：

学院：

专业：

姓名：

学号：

日期：

《时间序列分析》期末课程上机报告

一、ARMA模型

1.数据来源及其背景：

澳门整体建筑工人平均日薪的同期变动率，1988第一季度至2003第二季度，并利用ARMA模型建模及预测未来5个季度的同期变动率。

2.时序图：

如图所示：该序列没有明显的不平稳性

3.白噪声：

P值小于0.05属于非白噪声序列

4.样本自相关图

自相关系数基本0值附近波动，可以认为有短期相关性。序列平稳。

5.样本偏自相关图

此图为截尾

6.预测

可得出之后5个季度的同期变动率：14.22 10.82 13 16.35 17.59 7.模型检验

P值小于0.05 建模成功拟合模型为AR（2）模型

8.拟合预测图

图形拟合得十分不错

9.程序

data nicole1_1; input cjj@@; time=_n_;

cards;

20.71 25 23.23 3.3 18 14.94 12.19 46.13 84.03 124.32

-7.1 -77 -48.26 25.01 24.92 47.81 23.78 4.25 3.92 10.09

31.39 36.09 24.78 7.56 17.95 20.54 8.97 7.42 5.31 0.1

-2.52 -2.69 6.61 9.46 14 20.15 11 4.1 1.78 -3.54

11.76 5 9.67 16.68 5.82 15.84 26 33.91 50 16.16

16.08 20.75 4.69 25.99 11.5 15.45 2.51 28.42 22.99

；

proc gplot data=nicole1_1;

plot cjj*time=1;

symbol1c=red I=join v=star;

proc arima data= nicole1_1; identify var=cjj nlag=14;

estimate p=2;

forecast lead=5id=time out=results;

proc gplot data=results; plot cjj*time=1 forecast*time=2 l95*time=3 u95*time=3/overlay;

symbol1c=black i=none v=star; symbol2c=red i=join v=none; symbol3c=green i=join v=none l=2; run;

二、ARIMA模型

1.数据来源及其背景

澳门甲类物价消费指数，1998年1月至2003年11月，并利用ARIMA模型建模及预

测未来5个月的物价消费指数。

2.时序图

如图所示：序列具有长期趋势。

3.差分

对序列进行一阶差分。

4.样本自相关图

如图所示：延迟6阶之后，自相关系数基本都在零值附近波动。具有短期相关性，该差分后序列平稳。

5.样本偏相关图

如图所示：只有延迟1阶和4阶的偏自相关系数显著大于2倍标准差。可用AR（1,4）模型。

6.白噪声

P值小于0.05 属于非白噪声序列。具有非纯随机性。

7.模型检验

如图所示：残差检验结果显示残差序列可视为白噪声序列，参数显著性检验结果显示两参数均高度显著。模型拟合成功。

8.预测

如图所示：接下来5个月的预测值为：109.25 103.5 100.96 98.67 94.96

9.拟合图

如图所示：图形拟合得十分不错。

10.程序

data nicole1_2; input month x@@; dif=dif(x); cards;

1 83.1

2 83.9

3 63.1

4 79.5

5 81.4

6 73.4

7 67.6

8 77.4

9 71.7

10 70.1

11 63.7

12 51.9

13 45.4

14 45

15 38.9

16 31.5

17 25.7

18 29.5

19 29.6

20 29.5

21 32.2

22 34.1

23 32.1

24 37.4

25 48.1

26 74.1

27 74.7

28 56.7

29 43.3

30 89.7

31 112

32 100.4

33 101.8

34 100.7

35 115.6

36 122.5

37 131.5

38 137.9

39 144

40 159.4

41 168.8

42 164.3

43 164.5

44 168.1

45 164

46 152.8

47 140

48 129.1

49 104.8

50 93.3

51 79

52 78.1

53 81.1

54 65.6

55 59.8

56 36.1

57 26.3

58 23.3

59 18.5

;

proc gplot;

plot x*month dif*month;

symbol c=black i=join v=square;

proc arima;

identify var=x(1);

estimate p=(14) noint;

forecast lead=5id=month out=out;

proc gplot data=out;

plot x*month=1 forecast*month=2 l95*month=3 u95*month=3/overlay;

symbol1c=black i=none v=star;

symbol2c=red i=join v=none;

symbol3c=green i=join v=none;

run;

三、X11过程

1.数据来源及其背景

澳门工业生产指数（电力业），2006年至2013年，使用X11过程进行季节调整。

2.时序图